专用 ZK 与通用 ZK,谁才是未来?

深潮Dipublikasikan tanggal 2024-08-02Terakhir diperbarui pada 2024-08-02

专用的 ZK 基础设施正变得越来越通用,而通用 ZKVM 也正变得越来越专业化。

撰文:mo

编译:Luffy,Foresight News

专业化和通用化,哪一个才是 ZK 的未来?让我尝试用一张图来回答这个问题:

如图所示,未来我们有可能收敛到权衡坐标系上一个神奇的最佳点吗?

不,链下可验证计算的未来是一条连续的曲线,它模糊了专用和通用 ZK 之间的界限。请允许我解释一下这些术语的历史演变,以及它们在未来将如何融合。

两年前,「专用」 ZK 基础设施意味着诸如 circom、Halo2 和 arkworks 之类的低级电路框架。使用这些框架构建的 ZK 应用本质上是手写的 ZK 电路。它们对于特定的任务来说速度快且成本低,但通常难以开发和维护。它们类似于当今 IC(集成电路)行业中的各种专用集成电路芯片(物理硅片),例如 NAND 芯片和控制器芯片。

然而,在过去的两年里,专用 ZK 基础设施逐渐变得更加「通用化」。

我们现在拥有 ZKML、ZK 协处理器和 ZKSQL 框架,它们提供易于使用且高度可编程的 SDK,用于构建不同类别的 ZK 应用,而无需编写一行 ZK 电路代码。例如,ZK 协处理器允许智能合约以无需信任的方式访问区块链历史状态、事件和交易,并对这些数据运行任意计算。ZKML 使智能合约能够以无需信任的方式利用 AI 推理结果来处理广泛的机器学习模型。

这些演变的框架显著提高了其目标领域内的可编程性,同时由于抽象层(SDK/API)单薄且接近于裸机电路,因此仍保持高性能和低成本。

它们类似于 IC 市场中的 GPU、TPU 和 FPGA:它们是可编程的领域专家。

ZKVM 在过去两年中也取得了长足的发展。值得注意的是,所有通用的 ZKVM 都是建立在低级、专用的 ZK 框架之上的。其理念是,你可以用高级语言(甚至比 SDK/API 更方便用户使用)编写 ZK 应用,这些应用可以编译为专用电路和指令集的组合(RISC-V 或类似 WASM)。它们就像 IC 行业中的 CPU 芯片。

ZKVM 是低级 ZK 框架之上的一层抽象层,就像 ZK 协处理器等一样。

正如一位智者曾经说过的,一层抽象可以解决所有计算机科学问题,但同时也会产生另一个问题。权衡,这是关键所在。从根本上讲,对于 ZKVM,我们在性能和通用性之间进行权衡。

两年前,ZKVM 的「裸机」性能确实很糟糕。然而,短短两年间,ZKVM 的性能得到了显著提升。

为什么?

因为这些「通用」的 ZKVM 已经变得更加「专业化」了。性能提升的一个关键原因是「预编译」。这些预编译是专门的 ZK 电路,可以计算常用的高级程序,例如 SHA2 和各种签名验证,速度比将它们分解为指令电路片段的正常流程要快得多。

因此,现在的趋势已经非常明显了。

专用的 ZK 基础设施正变得越来越通用,而通用 ZKVM 也正变得越来越专业化。

过去几年,这两种解决方案的优化都实现了比以前更好的权衡点:在不牺牲另一点的情况下,在某一点上取得进步。这就是为什么双方都觉得「我们绝对是未来」。

然而,计算机科学的智慧告诉我们,在某一时刻,我们会遇到「帕累托最优墙」(绿色虚线),即我们无法在不牺牲另一个性能的情况下改善一个性能。

因此,一个价值百万美元的问题出现了:一个技术是否会在适当的时候完全取代另一个技术?

在借助 IC 行业来理解:CPU 的市场规模为 1260 亿美元,而整个 IC 行业(加上所有「专用」IC)的规模为 5150 亿美元。我确信,从微观角度看,历史会在这里重演,它们不会相互取代。

话虽如此,今天没有人会说,「嘿,我正在使用一台完全由通用 CPU 驱动的计算机」,或者「嘿,这个是由专用 IC 驱动的花哨机器人」。

是的,我们确实应该从宏观的角度来看待这个问题,未来会有一个权衡曲线,让开发者根据自己的需求灵活选择。

未来,专用 ZK 基础设施和通用 ZKVM 可以协同工作。这可以以多种形式实现。最简单的方法现在已经可以实现。例如,你可以使用 ZK 协处理器在区块链交易历史中生成一些计算结果,但这些数据之上的计算业务逻辑非常复杂,你无法简单地在 SDK/API 中表达。

你可以做的是获取数据和中间计算结果的高性能和低成本的 ZK 证明,然后通过证明递归将它们汇聚到通用 VM。

虽然我认为这类辩论很有趣,但我知道我们都在为区块链构建这种由链下可验证计算驱动的异步计算未来。随着未来几年大规模用户采用的用例出现,我相信这场辩论终会出现结果。

Kripto yang Sedang Tren

Bacaan Terkait

Saham Chip Memimpin Penurunan Saham AS, Apakah Perdagangan AI Sedang Dikalahkan Ganda oleh Suku Bunga dan Imbal Hasil?

Saham chip memimpin penurunan di pasar saham AS, dengan indeks Nasdaq jatuh 2,2% dan S&P 500 turun 1,4%. Tekanan terjadi di seluruh rantai perangkat keras AI, termasuk Nvidia (turun ~4%), Micron (anjlok 13,2%), Qualcomm, serta saham memori dan penyimpanan. Pasar Asia juga terdampak, dengan KOSPI Korea turun hampir 10% dan raksasa chip seperti SK Hynix serta Samsung Electronics mencatat penurunan dua digit. Penjualan difokuskan pada aset dengan valuasi tinggi dan kepemilikan padat, dipicu oleh dua tekanan utama: Pertama, ekspektasi kenaikan suku bunga Federal Reserve yang lebih agresif, meningkatkan tekanan diskonto pada arus kas masa depan perusahaan teknologi. Kedua, investor mulai mempertanyakan kapan pengeluaran modal besar-besaran untuk AI oleh vendor cloud akan diterjemahkan menjadi keuntungan yang jelas, menggeser fokus dari "hanya membeli pertumbuhan" ke "harus melihat imbal hasil". Meski demikian, ini lebih dilihat sebagai koreksi setelah kenaikan tajam daripada tanda pecahnya gelembung. Permintaan dasar untuk perangkat keras AI masih ada. Titik kunci selanjutnya adalah laporan keuangan Micron yang akan datang untuk konfirmasi permintaan, serta data inflasi AS yang akan mempengaruhi jalur kebijakan Fed. Pasar kini mempertimbangkan narasi AI dengan lebih realistis, menyeimbangkannya dengan tekanan suku bunga dan garis waktu imbal hasil.

marsbit50m yang lalu

Saham Chip Memimpin Penurunan Saham AS, Apakah Perdagangan AI Sedang Dikalahkan Ganda oleh Suku Bunga dan Imbal Hasil?

marsbit50m yang lalu

OpenAI Publikasi Makalah Baru: Bagaimana Melatih AI yang 'Tetap Baik di Bawah Tekanan'?

OpenAI menerbitkan makalah tentang cara melatih AI agar tetap bermanfaat dan aman di bawah tekanan atau skenario baru. Penelitian ini berfokus pada penggunaan _reinforcement learning_ untuk membentuk sifat-sifat bermanfaat yang luas dan persisten dalam model, bukan sekadar daftar larangan. Sifat-sifat ini mencakup kejujuran, transparansi, kesadaran risiko, dan kemampuan untuk dikoreksi. Makalah ini memperkenalkan konsep "penyimpangan muncul" (_emergent misalignment_), di mana perilaku buruk di satu bidang dapat menyebar ke bidang lain. OpenAI bertanya apakah perilaku baik juga dapat digeneralisasi secara lintas domain. Mereka membuat dataset dialog sintetis multi-domain untuk mengevaluasi dan melatih 15 sifat bermanfaat. Eksperimen menunjukkan bahwa dengan hanya mengganti 5% data pelatihan standar dengan data sifat bermanfaat, model menunjukkan peningkatan signifikan dalam 83% evaluasi. Yang penting, pelatihan di satu bidang (misalnya, kesehatan) meningkatkan kinerja di bidang lain yang tidak terkait, menunjukkan adanya transfer perilaku yang bermanfaat. Model ini juga menunjukkan ketahanan yang lebih baik terhadap petunjuk yang bermusuhan (_adversarial prompting_) dan penyetelan halus yang berbahaya (_harmful finetuning_), dengan penurunan performa yang lebih kecil dan lebih sedikit penyebaran kerusakan ke domain lain. Penelitian ini menekankan bahwa AI yang baik bukan tentang selalu menolak atau selalu mematuhi pengguna, tetapi tentang membuat penilaian yang lebih kuat antara menjadi berguna, jujur, dan aman. Ini mewakili pergeseran dari memperbaiki masalah keamanan setelah fakta menuju membentuk perilaku yang diinginkan sejak awal, yang merupakan langkah penting sebelum AI digunakan dalam tugas berisiko tinggi.

marsbit54m yang lalu

OpenAI Publikasi Makalah Baru: Bagaimana Melatih AI yang 'Tetap Baik di Bawah Tekanan'?

marsbit54m yang lalu

Goldman Sachs Bicara Lagi tentang Kondisi Demam AI: Sebelum Siklus Investasi Capai Puncak, 'Laba Kuat Akan Mengalahkan Kekhawatiran Valuasi', Volatilitas Akan Naik Lebih Lanjut

Penelitian Goldman Sachs menggarisbawahi bahwa gelombang investasi AI saat ini tidak sama dengan gelembung teknologi 1999-2000. Perbedaan kuncinya terletak pada fundamental: laba dan pengeluaran modal (capex) perusahaan terkait AI masih kuat dan terus dinaikkan, mendorong pasar, sementara valuasi forward P/E tidak melonjak ekstrem karena kenaikan harga saham didorong oleh kenaikan ekspektasi laba. Namun, risikonya tetap ada. Pasar telah mengantisipasi banyak hal optimis, dengan peningkatan nilai pasar AI (sekitar $27 triliun) melebihi perkiraan manfaat makroekonomi dasar. Harga saat ini bergantung pada asumsi bahwa perusahaan pemenang AI dapat mempertahankan pangkat laba tinggi dalam jangka panjang dari lonjakan produktivitas. Sinyal utama yang mirip era 1990-an adalah intensitas investasi. Capex AI, terutama dari penyedia cloud hyperscale, meningkat sangat cepat dan bisa mendekati puncak era dot-com. Namun, sinyal gelembung lain seperti penurunan margin makro, peningkatan leverage korporat, atau defisit neraca berjalan yang membesar belum terlihat. Risiko utama telah bergeser dari "gelembung valuasi" ke kemungkinan "gelembung laba". Selama siklus capex belum mencapai puncaknya, laba kuat kemungkinan masih mendominasi kekhawatiran valuasi. Namun, begitu siklus investasi memuncak, kelangsungan laba tinggi akan diuji. Selain itu, ekonomi non-AI AS relatif lemah, sehingga AI mungkin menutupi kelemahan di sektor lain. Mengingat ketergantungan pada narasi optimis ini, volatilitas saham diperkirakan meningkat. Investor disarankan untuk tetap berada dalam tren, tetapi meningkatkan perlindungan downside, misalnya melalui opsi put atau menggunakan opsi call sebagai pengganti sebagian eksposur spot. Risiko terbalik juga ada di sisi suku bunga, yang bisa turun signifikan jika kerapuhan ekonomi non-AI terungkap setelah puncak investasi AI berlalu.

marsbit55m yang lalu

Goldman Sachs Bicara Lagi tentang Kondisi Demam AI: Sebelum Siklus Investasi Capai Puncak, 'Laba Kuat Akan Mengalahkan Kekhawatiran Valuasi', Volatilitas Akan Naik Lebih Lanjut

marsbit55m yang lalu

Mark Zuckerberg Masuk ke Pasar Prediksi

Meta, perusahaan teknologi sosial terbesar di dunia, secara resmi memasuki arena pasar prediksi. CEO Mark Zuckerberg telah menginstruksikan pembentukan tim kecil untuk mengembangkan aplikasi smartphone bernama "Arena", yang akan bersaing dengan platform seperti Polymarket dan Kalshi. Aplikasi ini, yang masih dalam tahap eksperimen awal, akan beroperasi secara independen dari aplikasi inti Meta seperti Facebook dan Instagram. Pada versi awal, pengguna dapat memprediksi hasil berbagai peristiwa seperti pemilihan politik, pertandingan olahraga, dan urusan dunia. Namun, alih-alih menggunakan uang sungguhan, Arena akan menerapkan sistem poin seperti dalam permainan video, di mana pengguna mengumpulkan poin, peringkat, dan prestasi berdasarkan prediksi akurat mereka. Meskipun demikian, Meta tidak menutup kemungkinan untuk memperkenalkan taruhan dengan uang nyata di masa depan. Langkah Meta ini terjadi di tengah pertumbuhan pesat industri pasar prediksi, dengan volume perdagangan online di platform utama melonjak menjadi lebih dari $130 miliar pada tahun 2026. Arena berpotensi memanfaatkan basis pengguna aktif harian Meta yang lebih dari 3,56 miliar untuk pertumbuhan cepat. Selain potensi pendapatan dari biaya transaksi (jika menggunakan uang sungguhan) atau barang virtual, data yang dihasilkan dari aktivitas prediksi pengguna dapat memperkaya sistem iklan inti Meta. Strategi ini selaras dengan pendekatan Meta untuk mengikuti tren pengguna dan mengembangkan aplikasi independen untuk menguji perilaku sosial baru. Namun, tantangan seperti risiko regulasi yang ketat dari badan seperti CFTC di AS, tekanan hukum di berbagai yurisdiksi, dan kesulitan dalam menarik serta mempertahankan pengguna untuk aplikasi independen tetap menjadi hambatan yang signifikan. Ini bukan upaya pertama Meta di bidang ini, setelah aplikasi serupa bernama Forecast ditutup pada tahun 2022.

Foresight News1j yang lalu

Mark Zuckerberg Masuk ke Pasar Prediksi

Foresight News1j yang lalu

Rebound Saham Semikonduktor: Akhir Koreksi Teknis atau Pembalikan Tren?

**Ringkasan (sekitar 1500 karakter):** Pasar saham semikonduktor, terutama di Korea Selatan (seperti Samsung dan SK Hynix), mengalami penjualan besar dan pemulihan cepat pada akhir Juni. Inti gejolak ini bukan pada fluktuasi harian, melainkan pergeseran fase penentuan harga saham semikonduktor setelah perdagangan tema AI menjadi sangat ramai. Pemulihan setelah anjlok lebih mencerminkan perbaikan posisi (teknis) dan ekspektasi pembagian hasil pemegang saham (seperti pada Samsung), bukan konfirmasi bahwa tren naik telah berlanjut. Validasi sesungguhnya berasal dari musim laporan keuangan, khususnya dari Micron Technology. HBM (High Bandwidth Memory) adalah variabel kunci. Komponen penting untuk server AI ini telah memberi produsen memori seperti Micron, Samsung, dan SK Hynix kekuatan penetapan harga yang kuat. Pertanyaan pasar sekarang adalah apakah kekuatan ini dan siklus pengeluaran modal AI dapat terus mendukung valuasi tinggi sektor ini. Laporan keuangan Micron (24 Juni) menjadi titik uji utama. Investor tidak hanya mencari hasil kuartal yang kuat, tetapi lebih pada panduan ke depan (guidance) dan konfirmasi bahwa visibilitas pesanan, harga memori, dan margin keuntungan masih kokoh. Jika Micron dapat memberikan sinyal kuat bahwa permintaan HBM dan kekuatan penetapan harganya masih berlanjut, rebound dapat diartikan sebagai akhir koreksi teknis dan tren naik berlanjut. Namun, jika panduannya mulai hati-hati atau ekspektasi kenaikan laba tertinggal dari valuasi, pemulihan saat ini mungkin hanya bersifat sementara sebelum tren melemah. Singkatnya, rebound saham semikonduktor Asia masih berupa perbaikan teknis yang menunggu konfirmasi fundamental lebih lanjut. Nasib perdagangan tema AI dalam waktu dekat sangat bergantung pada kemampuan rantai pasokan, terutama di segmen memori, untuk terus melampaui ekspektasi tinggi yang telah dibangun pasar.

marsbit1j yang lalu

Rebound Saham Semikonduktor: Akhir Koreksi Teknis atau Pembalikan Tren?

marsbit1j yang lalu

Trading

Spot
Futures

Artikel Populer

Cara Membeli ZK

Selamat datang di HTX.com! Kami telah membuat pembelian ZKsync (ZK) menjadi mudah dan nyaman. Ikuti panduan langkah demi langkah kami untuk memulai perjalanan kripto Anda.Langkah 1: Buat Akun HTX AndaGunakan alamat email atau nomor ponsel Anda untuk mendaftar akun gratis di HTX. Rasakan perjalanan pendaftaran yang mudah dan buka semua fitur.Dapatkan Akun SayaLangkah 2: Buka Beli Kripto, lalu Pilih Metode Pembayaran AndaKartu Kredit/Debit: Gunakan Visa atau Mastercard Anda untuk membeli ZKsync (ZK) secara instan.Saldo: Gunakan dana dari saldo akun HTX Anda untuk melakukan trading dengan lancar.Pihak Ketiga: Kami telah menambahkan metode pembayaran populer seperti Google Pay dan Apple Pay untuk meningkatkan kenyamanan.P2P: Lakukan trading langsung dengan pengguna lain di HTX.Over-the-Counter (OTC): Kami menawarkan layanan yang dibuat khusus dan kurs yang kompetitif bagi para trader.Langkah 3: Simpan ZKsync (ZK) AndaSetelah melakukan pembelian, simpan ZKsync (ZK) di akun HTX Anda. Selain itu, Anda dapat mengirimkannya ke tempat lain melalui transfer blockchain atau menggunakannya untuk memperdagangkan mata uang kripto lainnya.Langkah 4: Lakukan trading ZKsync (ZK)Lakukan trading ZKsync (ZK) dengan mudah di pasar spot HTX. Cukup akses akun Anda, pilih pasangan perdagangan, jalankan trading, lalu pantau secara real-time. Kami menawarkan pengalaman yang ramah pengguna baik untuk pemula maupun trader berpengalaman.

353 Total TayanganDipublikasikan pada 2024.12.13Diperbarui pada 2026.06.02

Cara Membeli ZK

Diskusi

Selamat datang di Komunitas HTX. Di sini, Anda bisa terus mendapatkan informasi terbaru tentang perkembangan platform terkini dan mendapatkan akses ke wawasan pasar profesional. Pendapat pengguna mengenai harga ZK (ZK) disajikan di bawah ini.

活动图片